REPUBLIQUE DE COTE D’IVOIRE

Union-Discipline-Travail

DEVOIR DE MAISON :

PLAN D’EXPÉRIENCE

Classe : ING 3 STCGP GBP

Enseignant :
Prof AKMEL

ETUDIANTS :

SORO Gnienama Serge Elie

YUMBA Marie Cassandre

Année académique : 2024-2025

0
Exemple 2.2 : Etude de la densité d’un produit (Ahnazarova et Kafarov, 1978)

Un système comprenant une colonne et un refroidisseur produit un matériau caractérisé par sa

densité qui constitue la réponse du système. La densité du produit est affectée par six facteurs :
X1 consommation du chlore ; X2 consommation en eau de la colonne ; X3 consommation du
flegmatiseur ; X4 température de la colonne ; X5 niveau du liquide dans la colonne et X6
consommation en eau du refroidisseur. Les opinions de 4 chercheurs sont données dans le
tableau 2.4.

Tableau 2.4
Facteurs
Chercheurs
X1 X2 X3 X4 X5 X6
1 1,5 5 1,5 4 3 6
2 2 3 1 4,5 4,5 6
3 2 3 1 5,5 5,5 4
4 1,5 3,5 1,5 5 3,5 6

Réponses aux questions

1- Calcul de la somme des rangs pour chaque facteur (voir tableau 1 ci-dessous)
Tableau 1 : Calcul des rangs pour chaque facteur

Facteurs
Chercheurs
X1 X2 X3 X4 X5 X6
1 1,5 5 1,5 4 3 6
2 2 3 1 4,5 4,5 6
3 2 3 1 5,5 5,5 4
4 1,5 3,5 1,5 5 3,5 6
Ri 7 14,5 5 19 16,5 22

2- Calcul de la moyenne des rangs

7 + 14,5 + 5 + 19 + 16,5 + 22
𝑅̅ =
6
Soit 𝑅̅ = 14

1
 3- Calcul des différences Di (voir le tableau 2 ci-dessous)
Pour le facteur X1, 𝐷1 = 𝑅1 − 𝑅̅ soit 𝐷1 = 7 − 14 = −7

4- Calcul de la somme des carrés des écarts SCE (voir le tableau 2 ci-dessous)
𝑘

𝑆𝐶𝐸 = ∑ 𝐷𝑖2
1

Tableau 2 : Calcul des différences Di, de Di2 et de la somme des carrés des écarts

Facteurs
Chercheurs
X1 X2 X3 X4 X5 X6
Di -7 0,5 -9 5 2,5 8
Di2 49 0,25 81 25 6,25 64
SCE 225,5

5- Calcul du coefficient de concordance

La détermination du coefficient de concordance nécessite d’identifier les différents ex-æquo
(tj). 𝑇𝑗 = ∑(𝑡𝑗3 − 𝑡𝑗 )

Pour le 1er, le 2ème et le 3ème chercheur, on dénombre un seul nombre ex-æquo. Seulement le
4ème chercheur a 2 nombres ex-æquo.

Tableau 3 : Calcul des Tj

Calcul Tj Tj

T1=(23-2) 6
T2= (23-2) 6
T3= (23-2) 6
T4= (23-2)+(23-2) 12
ΣTj 30
12 × 𝑆𝐶𝐸
𝑂𝐶 =
𝑚2 (𝑘 3 − 𝑘) − 𝑚 ∑𝑚
𝑗=1 𝑇𝑗

Avec m = 4 ; k = 6 ; ∑𝑚
𝑗=1 𝑇𝑗 = 30

12 × 225,5
𝑂𝐶 =
42 (63
− 6) − 4 × 30
𝑂𝐶 = 0,835
2
 6- Calculer le coefficient khi-deux (²) :
12 × 𝑆𝐶𝐸
𝜒2 =
1
𝑚𝑘(𝑘 + 1) − ∑𝑚 𝑇
𝑘−1 1 𝑗
12 × 225,5
𝜒2 =
1
4 × 6(6 + 1) − 6 − 1 × 30

𝜒 2 = 16,70

Le coefficient de khi-deux tabulé au risque α=5% et pour un degré de liberté

(k-1)=6 est :
2
𝜒6;0,95 = 11,07
2 2
𝜒𝑐𝑎𝑙𝑐𝑢𝑙é > 𝜒𝑙𝑢
Le coefficient calculé est supérieur au coefficient lu donc l’opinion des
expérimentateurs est concordante.

Tableau 4 : Bilan des calculs

Facteurs
Chercheurs
X1 X2 X3 X4 X5 X6
1 1,5 5 1,5 4 3 6
2 2 3 1 4,5 4,5 6
3 2 3 1 5,5 5,5 4
4 1,5 3,5 1,5 5 3,5 6
Ri 7 14,5 5 19 16,5 22
Di -7 0,5 -9 5 2,5 8
Di² 49 0,25 81 25 6,25 64
SCE 225,5
OC 0,835185185
Khi-deux cal 16,7037037
Khi-deux lu
(5;0,95)
11,07

3
 7- Construction du graphe des rangs
Tableau 5 : Tri des rangs des facteurs

Facteurs Ri
X6 22
X4 19
X5 16,5
X2 14,5
X1 7
X3 5

25

20
Somme des rangs

15

10

0
X6 X4 X5 X2 X1 X3
Facteurs

Figure 1 : Courbe des rangs

Après l’analyse du graphe, il ressort que l’évolution du graphe n’est pas continue. Le
plus grand écart se situant entre les facteurs X2 et X1, nous pouvons conclure que les
facteurs X6, X4, X5 et X2 sont les plus influents du processus. Autrement dit, les facteurs
qui sont significatifs dans le processus de production du matériau, sont la
consommation en eau du refroidisseur, la température de la colonne, le niveau du
liquide dans la colonne et la consommation en eau de la colonne.

4
Exemple 4.5: Sensory Characterizations and Optimization of Cashew Apple Jam
Formulations Using Baobab powder as a Source of Pectin (Dégni et al.;2025)
On veut optimiser la formulation d’une confiture utilisant comme source de pectine la poudre
de baobab. Le tableau ci-dessous présente pour chaque facteur d’influence le domaine de
définition.
Tableau : Facteur et domaine expérimental des formulations de confiture

Niveau Niveau
Facteurs Code
bas (-1) haut (+1)

Quantité de sucre (en %) S 40 60

Quantité de baobab (en %) B 0 5

pH P 2,8 3,5

Le plan de Box-Behken a été retenu pour les formulations de confiture car il nécessite un
nombre d’essais restreint. De plus le pH étant un paramètre difficile à fixer, ce plan propose
trois (3) niveaux contrairement au PCC qui impose cinq (5).

1-Donner la matrice d’expérience et d’expérimentation.

2-Quelles sont les expressions des modèles des descripteurs sensoriels (Voir fichier Excel)

3-Optimisation de la satisfaction :
a. Calcul des désirabilités individuelles et de la désirabilité globale
b. Proposer la meilleure formulation ( utiliser la méthode des surfaces pour cette
question)

5
 Réponses aux questions

1- Déterminons la matrice d’expérience et d’expérimentation

Tableau 6 : Matrice d'expérience

Facteurs en code
Essais (N°)
P S B

1 -1 -1 0
2 1 -1 0
3 -1 1 0
4 1 1 0
5 -1 0 -1
6 -1 0 1
7 1 0 -1
8 1 0 1
9 0 -1 -1
10 0 1 -1
11 0 -1 1
12 0 1 1
13 0 0 0
14 0 0 0
15 0 0 0

Tableau : Facteur et domaine expérimental des formulations de confiture

Niveau Centre Niveau

Facteurs Code (0)
bas (-1) haut (+1)

Quantité de sucre (en %) S 40 50 60

Quantité de baobab (en %) B 0 2,5 5

pH P 2,8 3,15 3,5

On obtient ainsi la matrice d’expérimentation suivante :

6
 Tableau 7 : Matrice d'expérimentation

Essais P S B GELLING BRILLIANCE SMELL SALINITY SWEETNESS ASTRINGENCY

1 2,8 40 2,5 6,00 5,78 6,22 8,22 6,44 8,00
2 3,5 40 2,5 8,11 5,44 6,78 8,33 5,56 8,56
3 2,8 60 2,5 6,22 7,22 6,78 8,33 8,56 8,78
4 3,5 60 2,5 6,78 7,44 5,67 8,78 8,56 8,56
5 2,8 50 0 5,56 7,89 7,00 8,33 6,44 8,00
6 2,8 50 5 7,00 6,00 5,33 8,44 8,00 8,44
7 3,5 50 0 7,56 6,67 7,11 8,33 8,11 8,67
8 3,5 50 5 8,00 7,56 6,33 8,44 5,33 8,44
9 3,15 40 0 6,78 4,78 7,44 7,78 6,33 7,56
10 3,15 60 0 6,00 7,00 6,56 7,89 8,22 8,67
11 3,15 40 5 7,33 6,11 5,22 8,22 6,78 8,67
12 3,15 60 5 7,00 8,00 5,11 8,00 7,78 8,33
13 3,15 50 2,5 7,11 7,22 5,56 8,44 7,89 8,56
14 3,15 50 2,5 7,00 6,67 5,67 8,22 7,89 8,44
15 3,15 50 2,5 7,56 6,56 5,78 8,44 7,89 8,56

2- Les expressions des modèles des descripteurs sensoriels

Le tableau 8 ci-dessous présente les différentes réponses après l’expérimentation. Nous

utiliserons l’utilitaire d’analyse d’Excel afin de tirer la régression linéaire pour chaque
réponse et écrire l’expression du modèle en tenant compte du compte des coefficients
significatifs(p-valeur < 0,05).

Ici on utilise un modèle du second degré donc l’expression des modèles est de la
forme :

𝑌 = 𝑎0 + 𝑎1 𝑃 + 𝑎2 𝑆 + 𝑎3 𝐵 + 𝑎12 𝑃𝑆+𝑎13 𝑃𝐵 + 𝑎23 𝑆𝐵+𝑎11 𝑃2 +𝑎22 𝑆 2 +𝑎33 𝐵 2

7
Réponse 1 : GELLING

Erreur- Statistique
Coefficients type t Probabilité
Constante 7,222 0,116 62,450 0,00000002
P 0,708 0,071 10,002 0,00017079
S -0,278 0,071 -3,922 0,01115594
B 0,431 0,071 6,080 0,00174026
PS -0,389 0,100 -3,883 0,01160783
PB -0,250 0,100 -2,496 0,05474731
SB 0,111 0,100 1,109 0,31774424
P^2 -0,097 0,104 -0,933 0,39381498
S^2 -0,347 0,104 -3,331 0,02075922
B^2 -0,097 0,104 -0,933 0,39381498

On obtient l’expression suivante :

𝑌𝑔𝑒𝑙𝑙𝑖𝑛𝑔 = 7,222 + 0,708 𝑃 − 0,278 𝑆 + 0,431 𝐵 − 0,389 𝑃𝑆 − 0,347 𝑆 2

Réponse 2 : BRILLIANCE

Erreur- Statistique
Coefficients type t Probabilité
Constante 6,815 0,339 20,100 5,635E-06
P 0,028 0,208 0,134 0,8987869
S 0,944 0,208 4,549 0,0061189
B 0,167 0,208 0,803 0,4585664
PS 0,139 0,294 0,473 0,6561288
PB 0,694 0,294 2,365 0,0643429
SB -0,083 0,294 -0,284 0,787932
P^2 0,106 0,306 0,348 0,7417149
S^2 -0,449 0,306 -1,469 0,2016633
B^2 0,106 0,306 0,348 0,7417149

On obtient l’expression suivante :

𝑌𝑏𝑟𝑖𝑙𝑙𝑖𝑎𝑛𝑐𝑒 = 6,815 + 0,944 𝑆

8
 • Réponse 3 : SMELL
Erreur- Statistique
Coefficients type t Probabilité
Constante 5,667 0,197 28,735 9,563E-07
P 0,069 0,121 0,575 0,5901616
S -0,194 0,121 -1,610 0,1682796
B -0,764 0,121 -6,326 0,0014555
PS -0,417 0,171 -2,440 0,0586718
PB 0,222 0,171 1,301 0,2499205
SB 0,194 0,171 1,139 0,3064852
P^2 0,528 0,178 2,969 0,031189
S^2 0,167 0,178 0,938 0,3914876
B^2 0,250 0,178 1,406 0,2186033

On obtient l’expression suivante :

𝑌𝑠𝑚𝑒𝑙𝑙 = 5,667 − 0,764 𝐵 + 0,528 𝑃2

Réponse 4 : SALINITY

Erreur- Statistique
Coefficients type t Probabilité
Constante 8,370 0,097 86,350 3,948E-09
P 0,069 0,059 1,170 0,2947755
S 0,056 0,059 0,936 0,392288
B 0,097 0,059 1,638 0,1623835
PS 0,083 0,084 0,993 0,3664481
PB 0,000 0,084 0,000 1
SB -0,083 0,084 -0,993 0,3664481
P^2 0,231 0,087 2,649 0,0454674
S^2 -0,185 0,087 -2,119 0,0875721
B^2 -0,213 0,087 -2,437 0,0588483

On obtient l’expression suivante :

𝑌𝑠𝑎𝑙𝑖𝑛𝑖𝑡𝑦 = 8,370 + 0,231 𝑃2

9
 • Réponse 5 : SWEETNESS

Erreur- Statistique
Coefficients type t Probabilité
Constante 7,889 0,232 34,042 4,114E-07
P -0,236 0,142 -1,664 0,157039
S 1,000 0,142 7,047 0,0008891
B -0,153 0,142 -1,077 0,3308515
PS 0,222 0,201 1,107 0,3185798
PB -1,083 0,201 -5,398 0,0029471
SB -0,222 0,201 -1,107 0,3185798
P^2 -0,458 0,209 -2,194 0,0796782
S^2 -0,153 0,209 -0,731 0,4973653
B^2 -0,458 0,209 -2,194 0,0796782

On obtient l’expression suivante :

𝑌𝑠𝑤𝑒𝑒𝑡𝑛𝑒𝑠𝑠 = 7,889 + 𝑆 − 1,083 𝑃𝐵

• Réponse 6 : ASTRINGENCY
Erreur- Statistique
Coefficients type t Probabilité
Constante 8,519 0,064 133,911 4,405E-10
P 0,125 0,039 3,209 0,0237597
S 0,194 0,039 4,992 0,0041347
B 0,125 0,039 3,209 0,0237597
PS -0,194 0,055 -3,530 0,016748
PB -0,167 0,055 -3,025 0,0292377
SB -0,361 0,055 -6,555 0,0012384
P^2 0,019 0,057 0,323 0,7597952
S^2 -0,065 0,057 -1,130 0,3096144
B^2 -0,148 0,057 -2,584 0,0492126
On obtient l’expression suivante :

𝑌𝑎𝑠𝑡𝑟𝑖𝑛𝑔𝑒𝑛𝑐𝑦 = 8,519 + 0,125 𝑃 + 0,194 𝑆 + 0,125 𝐵 − 0,194 𝑃𝑆

− 0,167 𝑃𝐵 − 0,361 𝑆𝐵 − 0,148 𝐵2

10
3-Optimisation de la satisfaction
a. Calcul des désirabilités individuelles et de la désirabilité globale
Pour le calcul des désirabilités, nous avons utilisé EXCEL. Nous avons d’abord déterminé le
minimum et le maximum afin de tracer la fonction de désirabilité qui est une fonction affine
de la forme d=ay+b pour chaque réponse. L’objectif est de maximiser chaque réponse afin de
trouver la plus grande désirabilité. Nous avons ensuite trouvé l’équation des différentes
droites avant d’insérer la formule sur Excel pour le calcul des désirabilités individuelles.

Le calcul de la désirabilité global se fait à partir de la formule suivante :

6
𝐷𝑔𝑙𝑜𝑏𝑎𝑙 = √𝑑1 × 𝑑2 × 𝑑3 × 𝑑4 × 𝑑5 × 𝑑6

Ainsi, nous avons trouvé le tableau suivant avec toutes les désirabilités individuelles et la
désirabilité global de chaque essai.

Tableau 8 : Présentation des désirabilités individuelles et de la désirabilité globale

Essais Désirabilité Désirabilité Désirabilité Désirabilité Désirabilité Désirabilité Désirabilité
GELLING BRILLIANCE SMELL SALINITY SWEETNESS ASTRINGENCY global
1 0,17 0,31 0,48 0,44 0,35 0,36 0,33
2 1,00 0,21 0,72 0,55 0,07 0,82 0,41
3 0,26 0,76 0,72 0,55 1,00 1,00 0,65
4 0,48 0,83 0,24 1,00 1,00 0,82 0,65
5 0,00 0,97 0,81 0,55 0,35 0,36 0,00
6 0,57 0,38 0,10 0,66 0,83 0,73 0,45
7 0,78 0,59 0,86 0,55 0,86 0,91 0,745
8 0,96 0,86 0,53 0,66 0,00 0,73 0,24
9 0,48 0,00 1,00 0,00 0,31 0,00 0,00
10 0,17 0,69 0,62 0,11 0,90 0,91 0,43
11 0,70 0,41 0,05 0,44 0,45 0,91 0,37
12 0,57 1,00 0,00 0,22 0,76 0,63 0,18
13 0,61 0,76 0,19 0,66 0,79 0,82 0,58
14 0,57 0,59 0,24 0,44 0,79 0,73 0,52
15 0,78 0,55 0,29 0,66 0,79 0,82 0,61

L’essai 7 est l’essai ayant la plus forte désirabilité, on conclut que l’essai 7 est la meilleure
formulation.

11
 a. Proposer la meilleure formulation ( utiliser la méthode des surfaces pour cette
question)
Après optimisation sur DesignExpert, on obtient la surface suivante :

Lorsqu’on rentre les plages acceptées pour chaque facteur, DesignExpert va trouver un espace
de conception qui offre une surface pour optimiser toutes les réponses. La zone jaune ci-
dessus est notre espace de conception analytique optimal.

12